ContractRL：面向可审计工具调用修复的屏蔽式群体相对策略优化

研究人员提出 ContractRL 协议，通过动作掩码过滤违规操作，将验证器引导的工具调用 JSON 修复建模为有界决策过程。在测试中，ContractRL 仅生成 34.4 个 token 即达到 0.9362 的语义成功率，表现优于 Patch-SFT（0.9076 成功率、44.9 个 token）以及完全重新生成（0.9148 成功率、137.2 个 token）。